针对天津站地区停车难的问题,本文提出了天津站地区智能停车诱导系统,引导驾驶者以最优的路径到达最优停车场,从而节约驾驶者的时间,提高停车场的利用率,节约能源的消耗,缓解交通压力。目前国内的主要引导方法为用电子信息指示牌提供给驾驶者周围停车场的当前有效停车位数、到达停车场的路径等信息,不能预测到达停车场时的有效停车位数,导致驾驶者在当前位置时停车场未满,但是到达停车场时已经没有了有效停车位,且无法提供给驾驶者最优停车场的选择,导致浪费驾驶者的时间。本文的研究工作主要从以下几个方面展开的:1)介绍了智能停车诱导系统的研究背景及国内外发展,对系统的主要功能及系统的关键技术作了简要介绍,分析了天津站地区的主要停车场和主干道状况,并对其进行建模,用有向图表示主干道及其交叉口,并将停车场看作虚拟节点,将路口节点到相应的停车场的路径看作虚拟路径,因此为后面章节的研究奠定了基础。2)针对驾驶者从当前位置到达各停车场的最优路径及最短时间,本文用自适应遗传算法对其求解,因为求驾驶者从当前位置到停车场的最优路径及最短行驶时间,因此将停车场到各个路口节点的路阻权值看作无穷大。用自适应遗传算法对驾驶者进行诱导,得出了驾驶者从各个节点到达各停车场的最短时间及最优路径,为后面章节的有效停车位预测和最优停车场选择提供依据。3)针对驾驶者在当前位置时停车场还有空车位,到达停车场时已满的问题,分析传统预测算法的不足的基础上,提出了小波神经网络模型,用天津站后广场地下停车场的数据对其模型进行训练和预测分析,分析了小波神经网络的不足,并用粒子群优化算法对小波神经网络模型进行了优化,用同样的数据进行训练和预测,对其结果进行了分析,发现粒子群优化后更优。4)针对最优停车场选择的问题,本文在分析了停车场选择的影响因素的基础上,选择车辆运行时间、停车费率、步行时间、有效停车位作为效用函数的特征参量,提出了基于Logit模型的最优停车场选择。采用最大似然估计法对模型进行标定,并用标定后的模型求解选择各停车场的概率,进而为驾驶员选出了最优停车场。实验结果表明,标定的Logit模型可以实现最优停车场的选择。并结合第三章的最优路径选择,引导驾驶者以最优路径到达最优停车场。